Kanker paru-paru merupakan penyebab utama kematian akibat kanker di seluruh dunia. Deteksi dini kanker paru-paru sangat penting untuk meningkatkan peluang keberhasilan pengobatam. Penelitian ini bertujuan untuk mengembangkan model deep learning untuk mendeteksi kanker paru-paru menggunakan citra Computed Tomography (CT) scan. Model yang dikembangkan menggunakan arsitektur transfer learning dengan memanfaatkan pretrained model MobileNet, InceptionV3, ResNet50, VGG16, serta menerapkan teknik data augmentation untuk meningkatkan performa dan mencegah overfitting. Data penelitian terdiri dari citra CT scan paru-paru yang telah diberi label kanker atau normal. Hasil penelitian menunjukkan bahwa model dengan arsitektur pre-trained MobileNet menunjukkan akurasi paling tinggi di nilai 97,97 %, yang diikuti akurasi dari InceptionV3 di 95,43 %, ResNet50 di nilai 96,45 %, dan VGG16 di nilai 91,88 %. Untuk penilaian dengan F1-score, model transfer learning dengan MobileNet memiliki nilai F1-score 98,21 %, InceptionV3 di 95,85 %, ResNet50 sebesar 96,80 %, dan VGG16 dengan 92,98 %.